sofagent

🚀 v1.4.2——训练引擎 · 数据与评估（管道/版本/eval 闭环/环境/dry-run/报告）+ FDE 六引擎 + IM 桥 + FORGE 数据流地基。见 CHANGELOG。

这是什么

**开源 FDE Harness 层。**一人公司 / 小企业的 AI 落地工程师——不睡觉、不离职、自带审计官。横跨成熟 Agent（执行体：DSH / OpenClaw / WorkBuddy）、纵贯模型层（智力源：通用大模型 + 专属小模型 / 后训练模型），嵌在两者之间做治理。以 FDE 插件 + Skill + MCP + CLI + Dashboard 五种形态分发：进场，把业务流梳理清楚、把本体图谱构建起来、把 AI 节点部署到位；离场，审计每一次变更，持续优化。

sofagent 不造 Agent——执行能力交给成熟宿主（模型 + 工具 + 会话），它交付的是 FDE Harness 层。FDE Harness = FDE 方法论 × Harness 工程——把前线部署工程师的打法（进场梳理 → 部署 → 离场）固化成 Harness 约束层（注入 · 审计 · 回溯 · 进化），装进任何已有 Agent；让任何模型（通用或专属）都被管住（注册/灰度/训练/部署全留痕）。

🏞️ 大厂给你"水"（大模型）和"河床"（Agent 平台），但水是原水，你不敢直接喝。sofagent 是帮你把河里的水让整个城市用起来的工程——堤坝不让水泛滥、自来水厂把原水变直饮水、管网把水送到每家每户的水龙头。模型给 90% 的智力，sofagent 补 10% 的可靠执行。

该不该装？

Related MCP server: Proofpane

核心特性

• 🧭 进场梳理业务流——五要素深挖 + 三问判定法，把每个岗位环节摸清，算清每个 AI 节点值多少钱

• 🤖 部署 AI 节点——三层交付物（文档层 + Skill 层 + 运行层），装进你已有的 AI 工具，从"你干活"变"你派活"

• 🏠 离场后常驻——FDE 能力留下巡检、审计、优化，7×24 在线，人离场治理不离开

• 🔍 零配置审计——npx -y -p @sofagent/audit sofagent-audit，任何 git 仓库秒级审计最近一次 commit（单机实测：quick 约 1.1s、5 万行 diff 约 6.1s，口径见 HANDBOOK）

• 🧱 24 条审计规则 + 76 个 MCP tool——密钥泄漏、越界编辑、注入防御、权限红线，git diff 硬证据判定，违规当场拦截；证据基于本地 diff，信任边界与已知绕过面见 LIMITATIONS §三（quick 默认 17 条，完整 24 条 = 17 默认 + 7 扩展）

• 🛡️ 自动快照回溯——每次审计后自动存档，出事一键回到任意快照

什么是 FDE Harness

FDE = Forward Deployed Engineer（前线部署工程师）——把模型塞进企业真实业务里的人。sofagent 把这个角色做成开源 FDE Harness 层，嵌在你的 Agent（DSH / OpenClaw / WorkBuddy）与模型层之间，四个阶段走完一条完整的 FDE 业务流：梳理业务流 → 构建双图谱 → 部署 AI 节点 → 离场持续优化。双图谱 = 业务图谱（系统边界、数据流向）+ 本体图谱（共享语义底座），把企业变成机器可读的结构；离场后 7×24 巡检、审计、优化，人离场治理不离开。

为什么是 FDE Harness

• 企业 AI 落地的瓶颈不是模型，是部署——MIT NANDA《生成式人工智能的鸿沟》：95% 的企业 GenAI 项目没能产生能写进财务报表的价值，而 FDE 岗位发布量一年涨了 729%（核验见 VALIDATION）

• 完整来自组合——DSH 解决「能干活」，sofagent 解决「持续干」，两者合起来才是完整的 FDE Harness（见下章）

• 约束层「持续优化」靠机制不靠承诺——外部独立实验：同一模型仅优化外层 Harness，法律 Agent 基准 63.4% → 80.1%（+16.7pp）。更多核验见 VALIDATION · THANKS

• 能力可迁移，绝不绑死单一平台——约束层平台无关，方法论跟着业务走、不跟着平台走

🔄 自举：sofagent 给自己做的第一份 FDE，就是 sofagent 自己——项目本身就是一条完整的 FDE 业务流（梳理 → 构建 → 部署 → 离场），这个开源仓库就是那份交付物。

v1.4.2：训练数据与评估 + FDE 六引擎

🚀 让训练吃得到数据、评得出好坏——企业异构数据（CSV/Excel/DB/API）经管道进训练集（质量闸门+脱敏）· dataset_version 版本台账（指纹冻结+续跑版本锁）· 训练中 eval 闭环（阈值外部化）· train env/doctor 环境体检 · dry-run 显存估算 + ScaleRL 算力外推 · 训练报告（客户可读 + 量化 ROI）；FDE 方法论变成可执行引擎：fde_interview/classify/quantify/derive/distill/deploy 六件 MCP tool + IM 桥远程指挥。MCP 67→76 tools，测试 3202→3349（workspace 12 包口径）。完整内容见开发日志 · 更早版本见 CHANGELOG。

多平台挂载

横跨你已有的 Agent、纵贯模型层，不替代模型，只补可靠执行——FDE Harness 层平台无关（插件 / Skill / MCP / CLI / Dashboard 五种形态按宿主能力分发），方法论跟着业务走，不跟着平台走：

• 差在当前深度适配范围，不是差在 skill——Claude Code、Cursor 也有 skills 目录（装完 Skill 同样能加载），差别是 sofagent 当前深度适配了哪些宿主：OpenClaw / WorkBuddy 已完成 Hook 通道接入（开机自动注入 + 断路器实时拦截）；Claude Code 支持 PreToolUse 等事件级 hook、Cursor/Gemini CLI 走 Skill 目录加载——未深度适配的平台约束随 Skill 文本加载（建议性），硬拦截统一交给 git hook（强制性）

• 审计兜底平台无关——sofagent-audit --install-hook 走 git hook，任何档位每次 commit 都过 24 条审计，违规硬拦截。约束是建议性的，审计是强制性的

一条命令选定挂载档位：bash install.sh --platform <平台名>（全部平台与差异见 HANDBOOK）

FDE 方法论

很多企业上 AI 的路径是反的——先选模型、搭平台、买 Agent，结果没人用。问题不在技术，在于还没搞清楚自己的业务流程，就想让 AI 接管。

多数工具教你怎么造 Agent，sofagent 先解决AI 该放在哪——把这个判断从拍脑袋变成可复制的方法论：

完整方法论（四阶段十二步）见 FDE/GUIDE.md——半天精读，读完能独立做 FDE。

💾 部署完别急着走：单个节点的 workflow 经 DeepSeek Harness 执行后端直接「烧」进 U 盘——U 盘就变成一个节点、一把 key，插到哪台机器哪台就能跑（拔掉零残留）。开源 9 款插件已挂载进 DSH，烧录即用。

FDE Skill 体系

部署 AI 节点只是第一步——上面讲的是怎么梳理、放哪里，接下来是怎么让它每次都守规矩。随节点一起加载的 FDE Skill 体系解决这个问题：

• 📜 SKILL.md——唯一主入口，由你的 AI 工具加载：按阶段路由到对应子 Skill，岗位规范按任务类型自动注入（梳理 / 审计 / 编排）

• 🧩 阶段子 Skill——进场 → 深挖 → 量化 → 交付 → 离场五步闭环（01-entry → 05-exit），每一步该做什么、交付什么都定义清楚

• 🔒 harness 约束骨架——entry-gate / fde-template / engage / loop-check / task-closure…，从进场到离场每一步都有对应的约束模板

• 🧬 经验沉淀机制——think.md 反思 + knowledge 维护的结构化管道已就绪；持续使用场景下的沉淀效果实测数据积累中（详见 LIMITATIONS §核心效果实测情况）

部署的不是裸 Agent，是带约束骨架的 Agent——约束是建议性的，审计是强制性的：Agent 可以不遵守约束，但每次变更都逃不过审计。

约束层（Harness）

约束层是 sofagent 的行为底座，四种能力：

• 注入——Agent 启动时注入企业约束，四层加载链；约束是建议性的

• 审计——24 条 git diff 硬证据规则（quick 零配置默认 17 条，扩展 7 条经 config 启用）+ AgentShield 五类配置面静态扫描；审计是强制性的，每次变更必审，违规当场拦截

• 回溯——每次审计后自动快照存档，出事一键回到任意快照

• 进化——think.md 反思 + Dream Cycle + skillopt，经验自动沉淀进知识库

安装

⚠️ 企业用户先读 LIMITATIONS §三——config.yml 默认非 fail-closed（规则可被 Agent 篡改绕过），多租户隔离尚未落地。强合规场景建议 CI 兜底 + 文件权限锁（chmod 444 .sofagent/config.yml），不要用单机默认配置直接上生产。

30 秒，零配置——在任何 git 仓库跑一次审计：

npx -y -p @sofagent/audit sofagent-audit

💡 quick 跑 17 条默认规则（A3 任务范围 / A9 commit-msg 注入检测激活——自动读最近一次 commit 消息，无消息时 A9 引擎按无输入处理标记跳过），完整 24 条 + hook 自动审计需 --init——详见 LIMITATIONS §三。

拦截特定格式密钥泄漏时是这样的（真实输出；A2 检测 AWS AKIA/Secret、OpenAI sk-、GitHub ghp_、Google AIza、Slack xox-、JWT、PEM 私钥等已知格式，通用密钥形态暂不覆盖——保守设计防误报，详见 LIMITATIONS §三 A2）：

完整安装（Node.js ≥ 18，先下载审查再执行）——装在企业跑 AI 节点的设备上：

curl -fsSL https://raw.githubusercontent.com/KongFangXun/sofagent/refs/tags/v1.4.2/bootstrap.sh -o bootstrap.sh
less bootstrap.sh          # 先看一眼脚本内容，确认安全
bash bootstrap.sh && rm bootstrap.sh
sofagent-audit --init      # 装 git hook，之后每次 commit 自动审计
sofagent-audit --doctor    # 验证环境（可选）

💡 安装脚本主要写入 ~/.sofagent/（数据目录）+ ~/.local/bin（CLI 入口）；检测到 OpenClaw 时额外写入其集成目录；npm 权限不足时 CLI 入口 fallback 到 /usr/local/bin。其余系统文件零改动。--init 安装三层防线 git hook（pre-commit 拦 .sofagent/ 入库 + commit-msg 规则审计 + post-commit 对账）；--no-verify 可跳过 commit-msg 审计——防的是诚实 Agent 的疏忽不是恶意绕过，被跳过的 commit 由 post-commit 事后对账留痕（提示「疑似绕过」）但不阻断；个人兜底三件事：CI 侧 sofagent-audit --diff、定期 --doctor、翻审计记录。详见 LIMITATIONS。

📌 install.sh 是企业设备安装器——装在企业跑 AI 节点的设备上（约束层引擎 + daemon 巡检 + 单机 dashboard）；FDE 自己的电脑不需要跑，FDE 的工具是 FDE Skill（方法论），详见 部署架构。

📌 bootstrap.sh 和 install.sh 的关系：bootstrap.sh 是 install.sh 的一行下载包装器——curl bootstrap.sh | bash 等价于「下载 install.sh + 运行 install.sh」。两个脚本装的是完全一样的东西，bootstrap 只是省掉手动 clone/下载那一步。

更多安装方式（clone 安装 / npx 完整安装 / 最小安装 / 企业部署）见 HANDBOOK。企业用户想直接用 FDE 方法论梳理业务流，看 FDE/README.md（零依赖，不需要 Node.js；15 分钟最短路径见其「15 分钟最短路径」小节）。

使用

📊 Dashboard 有三个入口，各归各位：

入口	命令	形态	给谁看
终端版	sofagent-dashboard --full	终端 ASCII 三栏（零前端依赖）	开发者 / FDE 快速看
Web 版	sofagent web（装完即用）· 仓库态 node tools/dashboard/serve-dashboard.mjs	浏览器可视化（localhost:3780）	老板 / IT 可视化看
macOS 双击	双击 start-dashboard.command	Web 版的 macOS 快捷方式（仅 macOS 双击入口）	macOS 用户

👁️ Agent 视角：装完 hook 后每次 commit 触发审计——PASS 静默放行（自动快照），违规直接打进终端输出并按配置推送 Webhook / IM，Agent 侧无独立图形界面（详见 PHILOSOPHY §二）。

安装粒度对比（同一个引擎，三种装法——按场景选）：

规则市场——社区规则集以 sofagent-ruleset-* npm 包发布、--ruleset-path 手动加载（也支持指向你自己的 JSON 规则）：

npx -y -p @sofagent/audit sofagent-audit --list-rulesets      # 看有哪些规则集
npx -y -p @sofagent/audit sofagent-audit --ruleset security   # 加载安全规则集

FDE 进场部署——两条路径任选：

• 方法论路径（零依赖）：读 FDE/GUIDE.md，按手册手动梳理业务流，Excel + 人脑也能跑

• 工具路径（Node.js ≥ 18）：FDE 在企业设备上跑 install.sh 装好约束层后，用自己的 AI 工具说"帮我做 FDE 诊断"，Agent 从进场开始引导

常见问题

• 能上生产吗？ 当前为单机单用户设计，多 Agent 共享同一知识库 / 审计历史，多租户隔离见 ROADMAP；任务日志（task/logs）明文落盘——审计历史主链已支持静态加密（v1.3.8），task/logs 暂未覆盖。企业部署前读 SECURITY · LIMITATIONS。config.yml 默认非 fail-closed，强合规场景建议 CI 兜底 + 文件权限锁。

• 收集我的数据吗？ 缺省全量本地。可选联邦查询 = 你主动配置才出本机（见 SECURITY）。

• 和 gitleaks 这类扫描器什么关系？ 互补不互替——扫描器做全量历史扫描、模式库更广；sofagent 专注当前 diff 硬证据 + Agent 行为审计（越界 / 注入 / 权限维度），建议强密钥合规场景并用。

生态与文档索引

上游与插件入口：

• DeepSeek Harness（DSH 上游仓库）：https://github.com/deepseek-ai/deepseek-harness

• Cordis 运行时：https://github.com/cordiverse/cordis

• 9 款 cordis-plugin-sofagent-* 插件源码：engine/dsh-plugins/

🧪 工程可信度：3349 测试 / 13 包（12 个含测试）· 24 条审计规则 · fresh-eyes 独立审查持续运行（测试数以 tools/check/test-count.sh 判定为准；npm test 直跑在低内存机器可能出现 mcp 包超时闪红，单独重跑即绿，属环境并发问题非产品缺陷。审查体系见 docs/guides/review-system.md。性能数据为单机参考值，跨工具横评排期 v1.4.x 与 Benchmark 集成）。